¿Cuáles son algunos buenos recursos para aprender sobre el aprendizaje profundo en el procesamiento del lenguaje natural? Aprendiendo y Estudiando para siempre

El campo del procesamiento del lenguaje natural está cambiando de métodos estadísticos a métodos de redes neuronales.

Todavía hay muchos problemas difíciles de resolver en lenguaje natural. Sin embargo, los métodos de aprendizaje profundo están logrando resultados de vanguardia en algunos problemas específicos del idioma

El aprendizaje profundo está en todas partes en la PNL de hoy, pero en general el aprendizaje automático equivale a la optimización numérica de pesos para representaciones y características diseñadas por humanos. El objetivo del aprendizaje profundo es explorar cómo las computadoras pueden aprovechar los datos para desarrollar características y representaciones adecuadas para tareas de interpretación complejas.

Aprendizaje profundo para los recursos de la PNL:

· Enriquecer los recursos existentes.

· Enlace automático de Synsets.

· Dentro de un idioma específico

· Wordnet

· Cruz lingual

· Refinación perteneciente al vector.

· Repositorios

· Detección y eliminación de

· Vectores no específicos

· Estimación de la tarea apropiada.

· Representación específica para

· Palabras fuera de vocabulario

· Crear nuevos recursos.

· Creando representaciones vectoriales de

· Entidades léxicas complejas tales como

· Synsets

· Frases

· Pares de preguntas / respuestas

· Investigación compositiva y

· Métodos no compositivos de

· Creando vectores

puede aprender recursos de aprendizaje profundo en PNL mediante algunos cursos en línea ;

Le sugeriré algunos de los cursos en línea:

· Deep Learning AZ ™: redes neuronales artificiales prácticas [Recomendado]

· Procesamiento de lenguaje natural con aprendizaje profundo en Python

De esto puedes aprender:

· Las promesas de aprendizaje profundo para el procesamiento del lenguaje natural.

· Lo que los profesionales y los científicos de investigación tienen que decir sobre la promesa del aprendizaje profundo en la PNL.

· Métodos clave de aprendizaje profundo y aplicaciones para el procesamiento del lenguaje natural.

En este curso resolveremos seis desafíos del mundo real:

· Redes neuronales artificiales para resolver un problema de abandono de clientes

· Redes neuronales convolucionales para el reconocimiento de imágenes.

· Redes neuronales recurrentes para predecir los precios de las acciones.

· Mapas autoorganizados para investigar el fraude.

· Máquinas Boltzmann para crear un sistema de recomendación.

· Autoencoders apilados * para enfrentar el desafío del premio Netflix de $ 1 millón

También puedes consultar algunos libros de texto.

Libros de texto sugeridos:

· Deep Learning (Adaptive Computation y Machine Learning series) por Ian Goodfellow & Yoshua Bengio & Aaron Courville

· Aprendizaje profundo: el enfoque de un practicante por Josh Patterson y Adam Gibson

TODO LO MEJOR…………